（文章來(lái)源：教育新聞網(wǎng)）

是什么使圖像令人難忘?詢(xún)問(wèn)計(jì)算機(jī)。從“蒙娜麗莎(Mona Lisa)”到“戴珍珠耳環(huán)的女孩”，有些圖像在其他圖像消失后很長(zhǎng)一段時(shí)間就在腦海中徘徊。問(wèn)一個(gè)藝術(shù)家為什么，您可能會(huì)聽(tīng)到一些普遍認(rèn)可的制作難忘藝術(shù)的原則。現(xiàn)在，有一種更簡(jiǎn)單的學(xué)習(xí)方法：要求人工智能模型畫(huà)一個(gè)例子。

一項(xiàng)新的研究使用機(jī)器學(xué)習(xí)來(lái)生成圖像，范圍從令人難忘的芝士漢堡到令人難忘的咖啡，詳細(xì)顯示了使肖像或場(chǎng)景脫穎而出的原因。研究中的人類(lèi)對(duì)象最能記住的圖像具有鮮艷的色彩，簡(jiǎn)單的背景以及在畫(huà)面中居中突出的對(duì)象。結(jié)果在本周的國(guó)際計(jì)算機(jī)視覺(jué)會(huì)議上發(fā)表。

該研究的共同作者菲利普·伊索拉(Phillip Isola)，邦妮和馬蒂(1964)滕內(nèi)鮑姆CD麻省理工學(xué)院電氣工程與計(jì)算機(jī)科學(xué)助理教授說(shuō)：“一張圖片價(jià)值一千個(gè)單詞?！??！薄瓣P(guān)于記憶力的文章很多，但是這種方法使我們可以直觀(guān)地看到記憶力的樣子。它為我們提供了很難用文字表達(dá)的視覺(jué)定義?！?/p>

這項(xiàng)工作建立在早期模型MemNet的基礎(chǔ)上，該模型對(duì)圖像的可記憶性進(jìn)行評(píng)分，并突出顯示影響其決策的圖片特征。MemNet的預(yù)測(cè)基于在線(xiàn)研究的結(jié)果，其中向人類(lèi)對(duì)象顯示了60,000張圖像，并根據(jù)它們被記住的難易程度進(jìn)行排名。

當(dāng)前研究中的模型GANalyze使用一種稱(chēng)為生成對(duì)抗網(wǎng)絡(luò)或GAN的機(jī)器學(xué)習(xí)技術(shù)來(lái)可視化單個(gè)圖像，因?yàn)樗膱D像從“機(jī)甲”到令人難忘的距離都很大。GANalyze可使觀(guān)看者直觀(guān)地看到丟失在竹子中的模糊熊貓變成了以骨架為主的熊貓，黑眼睛，耳朵和爪子與白色杯子形成鮮明對(duì)比。圖像分段GAN具有三個(gè)模塊?；贛emNet的評(píng)估者可以旋轉(zhuǎn)目標(biāo)圖像上的記憶性旋鈕，并計(jì)算出如何達(dá)到所需的效果。轉(zhuǎn)換器執(zhí)行其指令，而生成器輸出最終圖像。

漸變具有延時(shí)圖像的戲劇性感覺(jué)。轉(zhuǎn)移到記憶力等級(jí)末端的芝士漢堡看起來(lái)比以前的版本更胖，更亮，并且正如作者所指出的那樣“美味”。一只瓢蟲(chóng)看起來(lái)更閃亮，更有目的。出乎意料的是，藤蔓上的胡椒從綠色變成了紅色的變色龍。

研究人員還研究了哪些特征對(duì)記憶力的影響最大。在在線(xiàn)實(shí)驗(yàn)中，向人類(lèi)受試者顯示了具有不同記憶力的圖像，并要求標(biāo)記任何重復(fù)。事實(shí)證明，最粘的復(fù)制品使主體更靠近，使框架中的動(dòng)物或物體顯得更大。接下來(lái)最重要的因素是亮度，使被攝物體位于畫(huà)面中央，并呈正方形或圓形。

研究合著者，比利時(shí)魯汶大學(xué)(Kateholieke Universiteit Leuven)的客座研究生Lore Goetschalckx說(shuō)：“人類(lèi)的大腦進(jìn)化成最專(zhuān)注于這些功能，這就是GAN所追求的。”

研究人員還重新配置了GANanalyze，以生成具有不同美學(xué)和情感吸引力的圖像。他們發(fā)現(xiàn)，從美學(xué)和情感角度考慮，評(píng)分較高的圖像更明亮，更彩色，并且景深較淺，模糊了背景，就像最令人難忘的圖片一樣。但是，最美的圖像并不總是令人難忘。研究人員說(shuō)，GANalyze具有許多潛在的應(yīng)用。通過(guò)增強(qiáng)現(xiàn)實(shí)系統(tǒng)中的對(duì)象增強(qiáng)，它可以用于檢測(cè)甚至處理內(nèi)存丟失。

“代替使用藥物來(lái)增強(qiáng)記憶力，您可以通過(guò)增強(qiáng)現(xiàn)實(shí)設(shè)備來(lái)改善世界，使諸如鍵盤(pán)之類(lèi)的容易放錯(cuò)地方的東西脫穎而出，”研究共同資深作者Aude Oliva說(shuō)，他是麻省理工學(xué)院計(jì)算機(jī)科學(xué)系的首席研究科學(xué)家，人工智能實(shí)驗(yàn)室(CSAIL)和MIT Quest for Intelligence的執(zhí)行總監(jiān)。

GANalyze還可以用于創(chuàng)建難忘的圖形，以幫助讀者保留信息?！斑@可以徹底改變教育，”奧利瓦(Oliva)說(shuō)。最終，GAN已開(kāi)始用于生成合成的，逼真的世界圖像，以幫助訓(xùn)練自動(dòng)化系統(tǒng)來(lái)識(shí)別在現(xiàn)實(shí)生活中不太可能遇到的位置和物體。